LSTM和蚁群算法在智能电厂调度中的应用

各级电力公司积累了大量的历史发电数据,但是一直以来都没有得到有效利用。针对采用手工方式进行电力调度存在效率较低的问题,提出了一种基于长短时记忆网络(LSTM)和蚁群算法的智能调度算法。基于LSTM深度学习算法,通过对电力公司历史数据进行建模,LSTM算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量。同时,利用蚁群算法(ACO)设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排。试验表明,采用LSTM算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、有效地分配发电负荷。